BAB II
LANDASAN TEORI
2.1 Pengertian dan Kegunaan Peramalan
Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sering terjadi senjang waktu (lime lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang (lead time) ini merupakan alasan utama bagi perencanaan dan peramalan. Jika waktu ini nol atau sangat kecil, maka perencanaan ini tidak diperlukan. Jika waktu tenggang ini panjang dan hasil peristiwa akhir bergantung pada faktor-faktor yang dapat diketahui,
maka
perencanaan dapat memegang peranan penting. Oleh karena itu, peramalan diperlukan karena adanya perbadaan waktu antara kesadaran akan dibutuhkannya suatu kebijakan dengan waktu pelaksanaan kegiatan tersebut.
Perspektif pada peramalan mungkin sama beragamnya dengan pandangan setiap kelompok metode ilmiah yang dianut oleh pengambil keputusan. Orang awam mungkin mempertanyakan seberapa jauh validitas dan efektifitas disiplin ilmu yang bertujuan
menduga keadaan masa depan yang tidak pasti. Kemajuan ilmu pengetahuan telah meningkatkan pengertian mengenai berbagai aspek lingkungan dan akibat banyak peristiwa yang dapat diramalkan. Ditambah lagi dengan pengenalan komputer yang meluastelah memungkinkan tersedianya perangkat lunak bagi teknik peramalan kuantitatif dengan cepat. Dengan diimbangi oleh perestasi perangkat lunak dan perangkat keras seperti itu, data dapat diolah untuk menjelaskan keadaan ekonomi, misalanya pendapatan perkapita dan sebagainya. Pada umumnya kegunaan peramalan adalah sebagai berikut: 1. Sebagai alat bantu dalam perencanaan yang efektif dan efesien. 2. Untuk menentukan kebutuhan sumber daya di masa mendatang. 3. Untuk membuat keputusan yang tepat.
Dari uraian di atas dapat lah dikatakan bahwa peramalan merupakan dasar untuk suatu perencanaan dan pengambilan keputusan . Namun demikian, peramalan selalu ada kesalahan sehingga diperlikan metode-metode peramalan yang tepat untuk mendapatkan kesalahan yang sekecil mungkin.
2.2 Jenis-jenis Peramalan
Ada terdapat beberapa jenis peramalan, tergantung dari segimana kita melihatnya, Apa bila dilihat berdasarkan sifat peramalan dibagi atas dua macam yaitu:
1. Peramalan Kuantitatif Peramalan kuantitatif dapat diterapkan bila terdapat tiga kondisi berikut : a. Tersedianya informasi tentang masa lalu. b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik. c. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa yang akan datang. Peramalan kuantitatif dibedakan atas : 1) Metode deret berkala (time series) yaitu: a. Metode pemulusan (smoothing) b. Metode box Jenkins c. Metode proyeksi trend dengan regresi 2) Metode kausal, yaitu: a. Metode regresi dan korelasi b. Metode ekonometrik c. Metode input output 2. Peramalan Kualitatif Metode peramalan kualitatif atau teknologis, di lain pihak, tidak memerlukan data yang serupa seperti metode peramalan kuantitatif. Input yang dibutuhkan tergantung pada metode tertentu dan biasanya merupakan hasil dari pemikiran intuitif, perkiraan (judgment), dan pengetahuan yang telah didapat. Biasanya dilakukan dengan pendekatan pendekatan teknologis, tetapi pendekatan teknologi sering kali memerlukan input dari sejumlah orang terlatih secara khusus. Metode teknologis dibagi menjadi dua bagian, yaitu:
a. Metode ekploratis b. Metode normatif Jika dilihat dari sifat penyusunannya maka peramalan dapat dibedakan menjadi dua macam yaitu: 1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. 2. Peramalan objektif, yaitu peramalan yang didasarkan atas data yang relevan dari masa lalu dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan tersebut. Dan jika dilihat dari jangka waktu yang disusun, maka peramalan dapat dibedakan atas dua macam pula, yaitu: 1. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. 2. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan untuk jangka waktu kurang dari satu setengah tahun atau tiga semester. Pada penyusunan tugas akhir ini, peramalan yang digunakan penulis adalah peramalan kuantitatif.
2.3 Defenisi Metode Peramalan
2.3.1 Pengertian metode peramalan Metode peramalan adalah cara untuk memperkirakan atau mengestimasi secara kuantitatif dan kualitatif apa yang akan terjadi pada masa depan berdasarkan data yang relevan pada masa lalu. Sedangkan kegunaan peramalan ini adalah untuk memperkirakan secara sisitematis dan pragmatis atas dasar data yang relevan pada masa lalu, dengan demikian metode peramalan yang diharapkan dapat memberikan objektifitas yang lebih besar.
2.3.2 Jenis-jenis Metode Peramalan Peramalan kuantitatif dapat dibedakan atas: 1. Metode peramalan yang didasarkan pada penggunaan analisa pola hubungan antara variabel yang diperkirakan dengan variabel waktu yang merupakan deret berkala (time series). Metode peramalan yang termasuk dalam jenis ini adalah: a. Metode pemulusan (smoothing) b. Metode Box Jenkins c. Metode Proyeksi trend dengan regresi 2. Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang akan
mempengaruhinya, yang bukan waktunya yang disebut dengan metode korelasi atau sebab akibat (metode kausal). Metode peramalan yang termasuk dalam jenis ini adalah: a. Metode regresi dan korelasi b. Metode ekonometrik c. Metode input output
2.3.3 Meode Pemulusan (Smoothing) Metode pemulusan (smoothing) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai beberapa tahun menaksir nilai pada tahun yang akan dating. Secara umum pemulusan (smoothing) dapat digolongkan menjadi beberapa bagian : 1. Metode perataan (average) a. Nilai Tengah (Mean) b. Rata-rata Bergerak Tunggal (Single Moving Average) c. Rata-rata bergerak ganda (Double Moving Average) d. Kombinasi Rata-rata bergerak lainnya. 2. Metode Pemulusan (Smoothing) Eksponensial a. Pemulusan Ekspoknensial Tunggal 1. Satu Parameter 2. Pendekatan Aditif
Pendekatan ini memiliki kelebihan yang nyata dalam hal nilai α yang dapat berubah secara tak terkendali, dengan adanya perubahan dalam pola datanya. b. Pemulusan Eksponensial Ganda 1) Metode Linear Satu Parameter dari Brown S’ t = α X t + (1-α) S” t −1 S” t = α S’ t + (1-α) S” t −1 at
= S’ t + (S’ t - S” t ) = 2 S’ t - S” t
bt
=
α ( S’ t - S” t ) 1−α
F t +m = a t + b t m Di mana : S’ t = nilai Pemulusan Eksponensial Tunggal (Single Eksponensial Smoothing Value) S” t = nilai Eksponensial Ganda (Double Eksponensial Smoothing Value) α
= parameter Pemulusan Eksponensial
a t , b t = konstanta pemulusan F t + m = hasil peramalan untuk m period eke depan yang akan diramalkan 2) Metode ini digunakan untuk peramaln data yang bersifat trend. S t = α X t + (1-α) (S t −1 + b t −1 ),
b t = γ (S t + S t −1 ) + (1 – γ) b t −1 , F t +m = S t + b t m
c. Pemulusan Eksponensial Triple 1. Pemulusan Kwadratik Satu Parameter Dari Brown Dapat digunakan untuk meramalkan data dengan suatu pola trend dasar, bentuk pemulusan yang lebih tinggi dapat digunakan bila dasar pola datanya adalah kuadratik, kubik atau orde yang lebih tinggi. 2. Metode kecenderungan dan Musiman Tiga Parameter dari Winter. Metode ini merupakan salah satu dari beberapa metode pemulusan eksponensial yang dapat menangani musiman. d. Pemulusan Eksponensial Menurut Klasifikasi Pegels Bentuk umum dari metode pemulusan eksponensial adalah:
F t −1 = α X t + (1- α) F t
Di mana: F t −1 = Ramalan untuk periode mendatang α = Parameter eksponensial yang besarnya 0<α<1 X t = Nilai actual pada periode-t F t = Ramalan pada periode-t
2.4 Metode Peramalan yang digunakan
Untuk mendapatkan suatu hasil yang baik dan tepat maka haruslah diketahui dan digunakan metode peramalan yang tepat. Dalam meramalkan tingkat produksi karet rakyat pada tahun 2011 di Kabupaten Tapanuli Tengah, maka penulis menggunakan metode smoothing eksponensial ganda yaitu “Smoothing Eksponensial Satu Parameter dari Brown”. Metode ini merupakan metode linier yang yang dikemukakan oleh Brown. Dasar pemikiran dari metode Smoothing Eksponensial Satu Parameter dari Brown adalah serupa dengan rata-rata bergerak linier, karena kedua milai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Bila terdapat unsure trend, perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada pemulusan ganda dan disesuaikan untuk trend. Persamaan yang dipakai dalam pelaksanaan Smoothing Eksponensial Satu Parameter dari Brown adalah sebagai berikut :
S’ t = α X t + (1-α) S” t −1 …………………………………………………………(2-1) S” t = α S’ t + (1-α) S” t −1 .........................................................................................(2-2) at
= S’ t + (S’ t - S” t ) = 2 S’ t - S” t ……………………………………………..(2-3)
bt
=
α ( S’ t - S” t )…………………………………………………………..(2-4) 1−α
F t + m = a t + b t m……………………………….…………………………………..(2-5) Di mana : S’ t = nilai Pemulusan Eksponensial Tunggal (Single Eksponensial Smoothing Value)
S” t = nilai Eksponensial Ganda (Double Eksponensial Smoothing Value) α
= parameter Pemulusan Eksponensial
a t , b t = konstanta pemulusan F t + m = hasil peramalan untuk m period eke depan yang akan diramalkan
Untuk menghitung nilai kesalahan (error) ramalan tersebut, dapat digunakan rumus di bawah ini : c = X T =1 - F T =1 ……………………………………………………………(2-6) e 2 = (X T =1 - F T =1 ) 2 ……………………………………………………….(2-7) Akhir persamaan (2-5) menunjukkan bagaimana memperoleh ramalan untuk m period eke muka dari t. Ramalan untuk m period eke muka adalah a t di mana merupakan nilai rata-rata yang disesuaikan untuk periode t ditambah m kali komponen kecenderungan b t . Bila semua hasil hitungan telah didapat, maka semua data yang telah didapat dimasukkan ke dalam contoh table Smoothing Eksponensial Ganda Satu Parameter darhi Brgown berikut ini :
Aplikasi Pemulusan Eksponensial Linear Satu Parameter Dari Brown Pada Data Produksi Karet Rakyat di Kabupaten Tapanuli Tengah Pada Tahun (1)
(2)
(3)
(4)
(5)
(6)
Tahun
Periode
Produksi
Pemulusan
Pemulusan
Nilai Nilai Nilai
(tahun)
Karet
Eksponensial
Eksponensial
Rakyat
at Tumggal
(7)
bt
Tunggal
(8)
F= at + b t (m) Bila m=1
1998
1
X1
(2-1)
(2-2)
-
-
-
1999
2
X2
…
…
(2-3) (2-4) -
2000
3
X3
…
…
...
…
(2-5)
2001
4
X4
…
…
…
…
…
2002
5
X5
…
…
…
…
…
-
-
-
…
…
…
…
…
-
-
-
…
…
…
...
…
N
N
…
Xn
…
…
...
…
Perlu dipahami bahwa tidak ada suatu metode terbaik untuk suatu peramalan. Metode yang memberikan hasil ramalan secara tepat belum tentu tepat untuk meramalkan data yang lain. Dalam peramaln time series, metode peramalan terbaik adalah metode yang memenuhi criteria ketetapan ramalan. Kriteria ini berupa Mean Absolute Deviation (MAD). Berikut ini adalah ketetapan ramalan beberapa criteria yang digunakan untuk menguji nilai ramalan yhaitu : a. Nilai Tengah Kesalahan Kuadrat (Mean Square Error) dirumuskan dengan: n
∑(X MSE =
i =1
− Fi ) 2
i
n
b. Nilai Tengah Kesalahan Persentase Absolute (Mean Absolute Percentage Error), dirumuskan dengan : n
∑ / PE MAPE =
i =1
i
/
n
c. Kesalahan Persentase (Persentage Error) dirumuskan dengan :
X − Fi PE = i Xi
x 100
d. Nilai Tengah Deviasi Absolute (Mean Absolute deviation), dirumuskan :
n
∑/ X MAD =
i =1
i
− Fi /
n
e. Jumlah Kuadrat kesalahan (Sum Square Error), dirumuskan dengan :
n
SSE =
∑(X i =1
i
− Fi ) 2
Di mana : X i − Fi = Kesalahan pada periode ke-i X i = Data actual pada period eke-i F i = Nilai ramalan pada periode ke-i n = Banyaknya periode waktu